L’expérience difficile du travail enseignant et les besoins de soutien chez les enseignants débutants au Québec
Bibliographic record
Abstract
Notre recherche tente, d’une part, de mettre en lumière le travail enseignant tel que vécu au quotidien par les enseignants débutants et, d’autre part, de cerner la nature des besoins de soutien ressentis durant leurs premières années d’enseignement. Notre appui théorique relève d’une approche globale et multidimensionnelle de l’insertion professionnelle et du travail enseignant. La recherche réalisée comporte un volet qualitatif reposant sur 32 entrevues semi-structurées et un volet quantitatif basé sur une analyse secondaire des données d’un questionnaire (250 répondants). Les résultats qualitatifs mettent en évidence la diversité et la lourdeur des tâches, ainsi que l’écart perçu entre la charge de travail reconnue et l’intensité de la charge réelle tel que vécue au quotidien. En complément, les résultats quantitatifs confirment la nature plurielle des besoins de soutien selon cinq volets : la socialisation organisationnelle, la gestion de classe, la gestion des apprentissages, la différenciation pédagogique et le volet personnel et psychologique. Des analyses comparatives à l’aide des tests ANOVA montrent quelques différences selon l’ordre et le champ d’enseignement ainsi que le domaine de formation. Ce sont là des éléments qui apportent un regard nouveau sur le travail enseignant et offrent des pistes pouvant guider l’offre de soutien aux enseignants débutants et la conception des programmes de formation à l’enseignement.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.003 | 0.008 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.000 |
| Bibliometrics | 0.001 | 0.002 |
| Science and technology studies | 0.012 | 0.005 |
| Scholarly communication | 0.006 | 0.002 |
| Open science | 0.001 | 0.003 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.009 | 0.001 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".